JPH0592731A

JPH0592731A - 車両制御装置

Info

Publication number: JPH0592731A
Application number: JP3278947A
Authority: JP
Inventors: Hiroshi Kimura; 博史紀村; Toshimichi Minowa; 利通箕輪; Takashige Oyama; 宜茂大山
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1991-10-01
Filing date: 1991-10-01
Publication date: 1993-04-16

Abstract

(57)【要約】【目的】車両運動を極限まで制御し、安全性、運転性
を充分に向上することができるようにした車両制御装置
を提供すること。【構成】入力層、中間層、出力層からなるニューロコ
ンピュータ３２による逆ダイナミクスモデルと、ルール
テーブルを備え制御指令を造りだす人工知能コンピュー
タ３６とを用いて車両の状況を推定し、この推定結果に
よってブレーキ制御、トラクション制御等の車両運動を
制御するサブシステムを協調制御する。【効果】車両の運動が迅速に推定できるので、車輪保
持力を限界保持力以内に確実に制御でき、極限状況での
車両の安全性と運転性を充分に向上させることができ
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、内燃機関などの原動機
を備え、道路面を走行する車両の制御装置に係り、特に
乗用自動車に好適な車両制御装置に関する。

【０００２】

【従来の技術】自動車では、車輪が路面に保持されてい
る力に比べ、車両に作用する力が大きくなると車輪がす
べり出し、走行経路から外れて安全性を損なう。また、
車輪の駆動系、制動系に作用する力が大きすぎると、ク
ラッチなどが損傷したり、ブレーキ油圧回路にベーパー
ロックなどが生じ、安全性が低下する。一方、路面が氷
で覆われているときに、変速ショックなどにより駆動力
が急変すると、車両に作用する力が急増し、車輪がすべ
り出す。

【０００３】そこで、従来から、自動車、特に乗用自動
車では、高出力エンジンの搭載と、車体の軽量化による
車両の高性能化に伴ない、上記のような事態の発生を抑
え、運転操作を容易にし、且つ安全性を充分に確保する
ため、各種の制御機能をサブシステムとして装備するこ
とが盛んに行われており、それらの幾つかを列挙して
も、次の通り多岐にわたっている。

【０００４】車速を自動的に一定に制御する自動定
速制御システム。過度の駆動力による車輪のすべりを防止するトラク
ション制御システム。クラッチや変速機などの駆動系に過度の負荷が掛る
のを抑える過負荷制御システム。

【０００５】変速比切換えに伴う変速ショックを低
減する変速機制御変速機制御システム。

【０００６】制動時での車輪のロックを防止するブ
レーキロック制御システム。走行路面が濡れていたとき、タイヤが水上に浮くの
を防止するハイドロプレーニング制御システム。コーナリング時で車体のスライドやスピンを防止す
るスライド・スピン制御システム。ブレーキの液圧系統で発生するベーパーロックを防
止するベーパーロック制御システム。

【０００７】

【発明が解決しようとする課題】従来技術は、これらの
サブシステムが複数種、装備された場合でも、それらの
各制御システム間での制御の協調について配慮がされて
おらず、各制御システムが独立に機能してしまうため、
車両がもつ本来の性能が充分に発揮出来無くなってしま
うのみならず、この結果、運転操作の容易性と安全性の
確保にも欠ける面が生じてしまうという問題があった。
例えば、従来技術では、トラクション制御と、過負荷制
御は独立に実施されていたので、変速ショック時のすべ
りを防止することはできなかった。

【０００８】本発明の目的は、走行環境が極限状態にあ
っても、充分な運転操作性と安全性が確実に保たれるよ
うにした車両制御装置を提供することにある。

【０００９】

【課題を解決するための手段】上記目的を達成するた
め、本発明の１では、ニューロコンピュータによる逆ダ
イナミクスモデルを用い、車輪の保持力を実時間で算定
する。そして、この算定結果により、トラクション制
御、ブレーキロック制御などの複数のサブシステムを協
調的に制御するようにしたものである。

【００１０】本発明の２では、ニューロコンピュータに
よる逆ダイナミクスモデルを用い、車輪の保持力を実時
間で算定する。そして、この算定結果により、人工知能
コンピュータがトラクション制御、ブレーキロック制御
などの複数のサブシステムを協調的に制御するようにし
たものである。

【００１１】

【作用】ニューロコンピュータによる逆ダイナミクスモ
デルは、車両の前後、左右方向の加速度、車輪の回転速
度等のセンサ出力を入力し、車輪の限界保持力、すべり
等を推定、これらの値を算定して出力する。

【００１２】人工知能コンピュータは、これらの車輪の
限界保持力、すべり等のデータを入力し、サブシステム
に適当な情報を出力する。この結果、例えば、自動定速
制御用のサブシステムの場合には、限界保持力から定ま
る限界車速を表わす情報が人工知能コンピュータによっ
て求められ、この限界車速データが自動定速サブシステ
ムに送られるので、限界保持力を越える速度に制御され
ることが無くなってすべりが防止され、安全性が向上す
る。

【００１３】

【実施例】以下、本発明による車両制御装置について、
図示の実施例により詳細に説明する。まず、本発明によ
る車両制御装置の一実施例においては、制御用サブシス
テムは、図３に示す９種類になっている。

【００１４】（１）自動定速制御サブシステムアクセルペダルを踏んでになくても、車速を自動的に一
定に制御するシステム。（２）トラクション制御システム加速に際し、車輪のすべりを検出し、すべりが大きいと
きに、駆動力を減じ、車のスピンを防止するシステム。（３）コーナリング中のトラクション制御システムコーナリング中のすべり、スピンを防止するため、コー
ナリング中の駆動力を制御するシステム。（４）過負荷制御システム発進、変速時の駆動力を制御し、差動機などの駆動力伝
達系に作用する過負荷を低減するシステム。

【００１５】（５）変速機制御システム（ａ）変速ショックを低減するシステム。（ｂ）変速パターン制御（燃費−スポーティ感の両立）
を最適に制御するシステム。（ｃ）シフトプログラムを自動適応させるシステム。（６）ブレーキロック制御システム車輪がロックしたら、ブレーキ力をゆるめ、車輪のすべ
りを防止するシステム。

【００１６】（７）ハイドロプレーニング制御システムタイヤが水上に浮いた場合、警報を出し、駆動力を減少
させる。舵角が大きいときは、より駆動力を減じる。さ
らに、ブレーキに際しては、ブレーキ圧を弱めるシステ
ム。（８）ベーパーロック制御システムベーパーロックの発生を推定し、ベーパーロック条件が
成立したときにはエンジンブレーキを多用するように
し、ベーパーロック発生時にはエンジンブレーキで車を
停止させるシステム。（９）コーナリング時のスライド、スピン制御システムコーナリングに入る前に、充分に車を減速させるシステ
ム。

【００１７】本発明による車両制御装置の一実施例のハ
ード構成を図４に示す。この図４のシステムは、ブレー
キペダル１、マスタシリンダ２、前輪ブレーキ５、後輪
ブレーキ１１、電動スロットル１８、アクセルペダル１
９、変速機２０等から構成されている。ブレーキの油圧
は、Ｎo.１、Ｎo.２、Ｎo.３の３個のポンプ７、１３、
１５で作られ、Ｎo.１とＮo.２の２個の３位置電磁弁
４、１０及びＮo.１、Ｎo.２、Ｎo.３の３個の２位置電
磁弁８、９、１４、等で制御される。

【００１８】３はプロポーショニング・バイバスバルブ
で、後輪ブレーキ１１の圧力が低下したときには、前輪
ブレーキ５の圧力を高めてブレーキの安全性を高めるも
のである。

【００１９】次に、各サブシステムの基本動作の幾つか
について説明する。（イ）ブレーキ制御サブシステム（図５）すべり率Ｓが増大すると、ブレーキ圧力を減少させる。
具体的には、図２の３位置電磁弁４を制御し、前輪ブレ
ーキ５の油をリザーバ９の方に戻す。すべり率Ｓが小さ
いときは、電磁弁４を制御し、マスタシリンダ２の圧力
をそのまま前輪ブレーキ５に作用させる。後輪ブレーキ
１１の動作も同じである。

【００２０】（ロ）トラクション制御（図６）後輪ブレーキ１１の油圧系をマスタシリンダ２の方か
ら、アキュムレータ１６の方に、電磁弁８、９を用いて
切換える。すべり率Ｓが大きいときは、ブレーキ１１の
圧力を高める。反対にＳが小さいときは圧力を減少させ
る。具体的には電磁弁１０の戻りを開にし、電磁弁１４
を導通し、油をマスタシリンダ２の方へ戻すのである。

【００２１】これらの制御を並行して行ない、図７に示
すように、すべり率ＳがＳｔを越えるたらエンジンの出
力を減少させ、すべりを防止する。具体的には図４の電
動スロットル１８を制御し、スロットルを閉じる。そし
て、すべり率Ｓが小さくなったらスロットルを開くので
ある。

【００２２】図８は、車輪速センサ２１の取付け構造を
示したもので、パルス発生用の歯車２２の歯数は２４
枚、或いは４８枚である。車輪軸２４は軸受２３で支持
されている。センサ２１とパルス車２２の間のすきま寸
法がセンサ２１の出力に影響を及ぼす。従って、軸受２
３に一体化して組込むのが望ましい。

【００２３】図１は車両３０の速度を目標値に設定する
方式の本発明の一実施例である。図１において、３１は
閉ループ回路で、車両３０の実際の速度が目標値からず
れている場合に、ゲインでによるフィードバックトルク
を出力する。しかして、このような閉ループ制御のみで
は応答が遅く、コーナリング中など極限状態でのすべ
り、スピン等を防止することができない。

【００２４】そこで、この図１の実施例では、逆ダイナ
ミクスモデル３２が付加してあり、これにより充分な応
答性が得られるようにしている。図２は、逆ダイナミク
スモデル３２の詳細を示したもので、入力層３３、中間
層３４、出力層３５からなるニューロコンピュータで構
成されている。入力層３３に目標速度、加速度、軌道を
入力する。ここで、軌道とは、自動車などの車両の走行
予定路のことで、例えばハンドルの舵角で表わされるも
のである。出力層３５からは前輪トルク、ブレーキ力、
後輪トルクが出力される。そこで、この出力を用いて、
図３に示した各々のサブシステムを制御するのである。

【００２５】図１において、逆ダイナミクスモデル３２
にフィードバックトルクの誤差信号を与え、フィードバ
ック制御信号が零になるように、このモデル３２を学習
させる。これにより、フィードバックトルクが零にな
り、閉ループなしで、車両３０を制御できるようにな
り、応答性が向上し、車両の運動を極限まで制御するこ
とができるのである。

【００２６】図９は、図１の実施例の変形例に相当する
本発明の他の一実施例で、ニューロコンピュータから成
る逆ダイナミクスモデル３２と並列に、或いは直列に、
人工知能コンピュータ３６を配置したものであり、この
人工知能コンピュータ３６によって、図３の複数個のサ
ブシステムを協調制御するのである。逆ダイナミクスモ
デル３２は反射的な動作を受け持ち、人工知能コンピュ
ータ３６は、叙述的な動作を受け持つ。

【００２７】まず、逆ダイナミクスモデル３２に車両の
前後加速度、左右方向の横加速度等のセンサ出力を入力
し、車輪の限界保持力、すべり等の値を推定し、これら
の値を人工知能コンピュータ３６に入力する。そこで、
この人工知能コンピュータ３６は、これらのデータを処
理し、各々のサブシステムに所定の情報を出力する。例
えば、限界保持力によって定まる旋回時の限界車速の情
報が人工知能コンピュータ３６によって求められ、図３
の自動定速制御サブシステムに送られるのである。

【００２８】このニューロコンピュータからなる逆ダイ
ナミクスモデル３２は、通常のノイマン式のコンピュー
タを用いた場合に比べ、迅速に車両の状況を推定するこ
とができ、従って、この実施例によれば、車両の運動を
極限まで制御することが可能になった。

【００２９】また、この人工知能コンピュータ３６は、
プログラム記述式のコンピュータに比べ、運転者の過去
の知識を手軽に取り扱うことができる。例えば、車がす
べったときに、どの程度、逆ハンドルをきったらよいか
など、限界保持力が小さい場合の駆動トルクの大きさ、
限界速度の大きさ等が、運転者の知識ベースで適正化さ
れる。

【００３０】図１０は人工知能コンピュータ３６の構成
を示したもので、ＩＦ、ＴＨＥＮのルールを、エディタ
３７によりルールテーブル３８に入力する。一方、車輪
のすべりやハンドル角などのデータは車両の状況入力部
４１から入力され、ワークテーブル４０に取り込まれ
る。そして、ＩＦパターンマッチング部３９で、ルール
テーブル３８のＩＦ部の条件が、ワークテーブル４０の
車両の状況と一致するか否かが判定される。

【００３１】この結果、一致したときは、結論書込部４
２が、ルールの結論をワークテーブル４０に書き込む。
以上の処理が繰返され、最終結論(制御指令)に到達する
と、制御指令テーブル４３の指令が、制御メッセージ４
５として、制御指令出力部４４を介して各サブシステム
に送られるのである。

【００３２】ところで、本発明は、基本的には、（１）主として閉ループ制御に用いられる逆ダイナミッ
クモデルを用いた制御（図１１）（２）主として開ループ制御に用いられる人工知能コン
ピュータを用いた、ニューロコンピュータ付きの制御
（図１２）（３）逆ダイナミックモデル、閉ループ制御器、ニュー
ロコンピュータ、人工知能コンピュータを並列的に構成
したシステムを用いた制御（図１３）なお、これは閉ループ制御にも開ループ制御にも適用可
能（４）逆ダイナミックモデル、閉ループ制御器、ニュー
ロコンピュータ、人工知能コンピュータを管理する車両
運動制御コンピュータを用いた制御（図１４）のいずれかの構成になる。

【００３３】そして、本発明は、これにより、従来の閉
ループ制御の欠点である制御系の遅れ、開ループ制御の
欠点である、モデルの不完全同定による制御制度の低
下、の何れをも回避することができる。

【００３４】まず、図１１の実施例においては、閉ルー
プ制御器１０１の出力が零になるように、逆ダイナミッ
クモデル１０２が同定される。この同定にはニューロコ
ンピュータの学習アリゴリズムが用いられ、閉ループ制
御器１０１の出力が零になるように、ニューロコンピュ
ータの各ユニットの入力の重みが修正され、逆ダイナミ
ックモデル１０２が同定されることになる。ことのき、
車両１０３の運動は、目標値通りに、モデル１０２によ
って制御され、誤差の発生が回避される。この結果、例
えば、車両１０３は雪、氷結路でも、すべりなしに運転
される。

【００３５】次に、図１２の実施例においては、車両１
０３は、人工知能コンピュータ１０４によって制御され
る。この人工知能コンピュータ１０４は、例えばアクセ
ルペダル踏み角を入力信号として変速パターンの制御を
行う。このとき、ニューロコンピュータ１０５は車輪の
すべり信号を入力して、路面の摩擦係数を推定する。そ
して、人工知能コンピュータ１０４は、この摩擦係数の
情報に基ずき、変速パターンを最適に修正するのであ
る。

【００３６】また、図１３の実施例においては、逆ダイ
ナミックモデル１０２と閉ループ制御器１０１、ニュー
ロコンピュータ１０５、それに人工知能コンピュータ１
０４が並列的に接続されている。そして、人工知能コン
ピュータ１０４によって、前述したごとく、変速パター
ンが制御される。一方、閉ループ制御器１０１によって
はエンジンの駆動トルクが目標値になるよう制御され
る。このとき、燃料の供給遅れを逆ダイナミックモデル
１０２で修正する。このように、逆ダイナミックモデル
１０２と閉ループ制御器１０１は協調制御される。ま
た、ニューロコンピュータ１０５と人工知能コンピュー
タ１０４も協調制御され、それぞれのコンピュータ１０
５、１０４はお互いに情報を交換する。

【００３７】前述したごとく、路面の状況によって、変
速パターンが修正されると同時に、アクセルペダルの踏
み込みに対する駆動トルクも修正される。従って、逆ダ
イナミックモデル１０２と閉ループ制御器１０１、ニュ
ーロコンピュータ１０５、それに人工知能コンピュータ
１０４は、それぞれ並列に動作しながら、お互いに情報
を交換する。

【００３８】さらに図１４の実施例においては、逆ダイ
ナミックモデル１０２と閉ループ制御器１０１、ニュー
ロコンピュータ１０５、それに人工知能コンピュータ１
０４のそれぞれは、車両運転制御コンピュータ１０６に
よって統合的に管理される。すなわち、この車両運転制
御コンピュータ１０６に、アクセルペダルの踏み込み量
に関する信号を入力し、閉ループ制御器１０１、逆ダイ
ナミックモダル１０２に、目標駆動トルクを与える。そ
して、この目標駆動トルクは、ニューロコンピュータ１
０５により推定さた摩擦係数によって修正されるのであ
る。

【００３９】従って、この図１４の実施例は、図１３の
実施例の分散構成の場合に比べ、より協調して車両運動
を制御することができる。

【００４０】次に、図１５は、本発明の一実施例におけ
るトラクション制御時の制御系の構成を示したもので、
この実施例では、前後Ｇ、車速、駆動トルクからニュー
ロコンピュータ２０１により路面摩擦を推定する。ま
た、これと並行して、人工知能(ＡＩ)コンピュータ２０
２を用いて、運転状況を判断し、ドライバのハンドル、
アクセル、ブレーキの各操作が危険な状態であると判断
されたときには目標加速度を変更し、危険を防止する。

【００４１】こうして人工知能コンピュータ２０２によ
り計算された目標値は、逆ダイナミックモデル２０３に
よりスロットル、ブレーキの操作量に変換される。この
制御により出力される車体の加速度は、制御器Ｋａ２０
５、Ｋｂ２０６にフィードバックされ、これら制御器Ｋ
ａ２０５、Ｋｂ２０６の出力によりスロットル、ブレー
キの操作量を変化させ、所望の加速度を得るのである。

【００４２】次に、図１６により、ニューロによる路面
摩擦係数の推定方法の一実施例を示す。一般に、アクセ
ル踏み込み時の車体の加速度が小さいと、路面の摩擦力
は小さい。そこで、この実施例では、路面の摩擦力をス
ロットル開度、前後Ｇ、車速、車重の時系列データを用
いてニューロコンピュータで推定するのである。このと
は、各節の重みづけは予めニューロコンピュータに学習
させておく。

【００４３】次に、図１７は、本発明の一実施例におけ
る人工知能コンピュータによる目標値の決定方法を示
す。人工知能コンピュータは、ニューロにより推定され
た路面摩擦係数と、車速、ステアリング、アクセル、ブ
レーキの各情報から、運転状態２１０を判断し、安全に
運転できるスロットル開度やブレーキ圧を決定するので
ある。

【００４４】次に、図１８により逆ダイナミックモデル
の原理について説明する。なお、ここでは、例としてア
クセル踏み込み角と加速度を比例させる制御を考える。
いま、アクセルをステップ的に踏み込んだとすると、駆
動トルクは吸気管内への吸気充満時間分遅れて立ち上が
る。これは一次遅れとなる。そこで、この遅れを打ち消
すために、制御器に遅れ分を加える。このように、制御
器に遅れの補償をおこなうと、アクセル操作に対して加
速度変化を比例させることができ、これが、逆ダイナミ
ックモデルであり、さらに複雑な制御系に対しても同様
なモデルを構築できるのである。

【００４５】そこで、逆ダイナミックモデルの構成法に
ついて、図１９により説明する。ここでは、例として１
次遅れの制御系を考える。図１９において、まず、(a)
に示す従来の制御では、目標加速度ｒ２２０に対して制
御器Ｋａ２２１で入力ｕを演算する。一方、車ｘ２２３
で行われた制御は加速度ｙ２２４となり出力される。そ
して、この出力加速度ｙ２２４は制御器Ｋａにフィード
バックされる。このとき、上記した遅れにより、出力加
速度ｙと目標加速度ｒの差がｄｔ／ｄｘとなる。そこ
で、図１９(b)に示すように、この遅れが消去されるよ
うに制御器を定めることにより、逆ダイナミックモデル
２２５を構成することができる。そして、さらに複雑な
制御系でも、同様な方法で逆ダイナミックモデルを構成
することができる。

【００４６】ここで、逆ダイナミックモデルの変更方式
について説明する。例として、アクセル踏み角と加速度
を比例させる制御を考える。逆ダイナミック制御を行わ
ない場合、加速は遅れる。逆ダイナミックモデルの導入
により、アクセルをステップ的に踏み込むとスロットル
は大きく開き、加速度はアクセルと比例するように制御
される。しかし、車重等の変化により、加速応答波形が
変化する場合がある。例えば、車が重くなると加速力が
低下し、破線に示すような応答となる。そのため、目標
加速度と実際の加速度の差から逆ダイナミックモデルの
時間微分項に乗ずる定数を更新する。この更新により、
アクセルと比例するようになる。

【００４７】次に、本発明の一実施例におけるトラクシ
ョン制御について、図２０により説明する。まず、目標
とするスリップ率が入力されるとＡＩ(人工知能コンピ
ュータ)部４０１が運転の限界状況を判断して、目標と
するスリップ率を変更する。この変更は、車輪速、路面
摩擦係数を基に図２１に示すフローチャートに従って実
行される。このＡＩ部４０１により、低摩擦路でスリッ
プが過大になることが防止される。次に、ＡＩ部４０１
で変更したスリップ率を、逆モデル(逆ダイナミックモ
デル)４０３を用いて過渡補償する。そして、この逆モ
デル４０３により過度補償されたスリップ率を目標とし
て、エンジン出力制御４０４を行なう。更に、出力され
るスイリップ率はフィードバックされる。従って、この
実施例によれば、逆モデル４０３を組み込むことによ
り、制御応答性を上げることができる。

【００４８】ここで、本発明の一実施例における、ニュ
ーロを用いた路面摩擦係数の推定方法について、図２２
により説明する。例えば、いま、発進時について考える
と、車速変化は、高摩擦の路面の方が車速が急激に立ち
上がる。これは、摩擦が小さいと駆動輪がスリッブして
加速が充分に働かないためである。そこで、スロットル
開度変化と車速変化を計測して、これらの経時変化をニ
ューロの入力層に入力してやれば、路面摩擦係数を推定
することができるのである。

【００４９】図２３は、本発明の一実施例におけるＡＩ
部４０２での処理のルールを示したもので、図示のよう
に、路面摩擦が小さく、車速が大きいほど目標スリップ
率を小さくし、スリップが過大になるのを防止するよう
になっていることが判る。

【００５０】図２４は、本発明の一実施例における、低
摩擦路での発進時のスリップ率変化を、従来技術と比較
して示したもので、いま、図の(a)に示すように、或る
時刻ｔでスロットル開度をステップ状に立ち上げたと
き、トラクション制御が適用されていない従来技術で
は、図の(b)に示すように、スリップ率は最初大きな値
を示し、車速が増すに従ってこの大きなスリップ状態か
らゆっくりと小さくなる。

【００５１】これに対して、通常のトラクション制御を
行うと、スリップ率は、図の(c)に示すように、最初は
大きく立上るが、遅れ時間の後は急激に目標値に近づ
く。そして、これに逆モデルによる制御を加えると、図
の(d)に示すように、遅れ時間は極めて小さくなり、直
ちに一定値に収斂する。さらに、ニューロとＡＩによる
制御を加えることにより、図の(e)に示すように、時刻
ｔでのスリップ率の立上りは完全に抑えられ、スリップ
の発生を充分に防ぐことができる。

【００５２】

【効果】本発明によれば、ニューロコンピュータによっ
て迅速に車両の状況を推定し、人工知能コンピュータに
よって知識ベースの複雑な制御指令を与えることができ
るので、車両の極限状態における運動を充分に制御でき
るので、安全性と運転性を大きく向上させることができ
る。

【図面の簡単な説明】

【図１】本発明による車両制御装置の第１の実施例を示
すブロック図である。

【図２】本発明の一実施例におけるニューロコンピュー
タからなる逆ダイナミックモデルの説明図である。

【図３】本発明の一実施例が適用対象とするサブシステ
ムの説明図である。

【図４】本発明の一実施例によるシステムのハード構成
を示すブロック図である。

【図５】本発明の一実施例におけるブレーキ制御動作を
示すフローチャートである。

【図６】本発明の一実施例におけるトラクション制御動
作を示すフローチャートである。

【図７】本発明の一実施例におけるスロットル制御動作
を示すフローチャートである。

【図８】本発明の一実施例における車輪速センサの取付
け構造を示す説明図である。

【図９】本発明による車両制御装置の第２の実施例を示
すブロック図である。

【図１０】本発明の一実施例における人工知能コンピュ
ータの説明図である。

【図１１】本発明による車両制御装置の第３の実施例を
示すブロック図である。

【図１２】本発明による車両制御装置の第４の実施例を
示すブロック図である。

【図１３】本発明による車両制御装置の第５の実施例を
示すブロック図である。

【図１４】本発明による車両制御装置の第６の実施例を
示すブロック図である。

【図１５】本発明による車両制御装置の第７の実施例を
示すブロック図である。

【図１６】本発明におけるニューロによる路面摩擦係数
の推定方法の一例を示す説明図である。

【図１７】本発明の一実施例における人工知能コンピュ
ータによる目標値の決定方法を示す説明である。

【図１８】本発明の一実施例における逆ダイナミックモ
デルの説明図である。

【図１９】本発明の一実施例における逆ダイナミックモ
デル構成法の説明図である。

【図２０】本発明の一実施例におけるトラクション制御
の説明図である。

【図２１】本発明の一実施例における人工知能コンピュ
ータによるスリップ率の変更処理を示すフローチャート
である。

【図２２】本発明の一実施例におけるニューロを用いた
路面摩擦係数の推定方法の説明図である。

【図２３】本発明の一実施例におけるＡＩ部での処理ル
ールの説明図である。

【図２４】低摩擦路での発進時のスリップ率変化の特性
図である。

【符号の説明】

１ブレーキペダル２マスタシリンダ３プロポーショニング・バイパスバルブ４３位置電磁弁Ｎｏ．１５前輪ブレーキ６リザーバ７ポンプＮｏ．１８２位置電磁弁Ｎｏ．１９２位置電磁弁Ｎｏ．２１０３位置電磁弁Ｎｏ．２１１後輪ブレーキ１２リザーバ１３ポンプＮｏ．２１４２位置電磁弁Ｎｏ．３１５ポンプＮｏ．３１６アキュムレータ１７圧力スイッチ１８電動スロットル１９アクセルペダル２０変速機２１車輪速センサ３２逆ダイナミクスモデル３６人工知能コンピュータ３８ルールテーブル４０ワークテーブル

Claims

【特許請求の範囲】

【請求項１】ニューロコンピュータによる逆ダイナミ
クスモデルによって車両の状況を推定し、この推定結果
に応じて車両の運動を制御する複数個のサブシステムを
協調制御するように構成したことを特徴とする車両制御
装置。
【請求項２】ニューロコンピュータによって車両の状
況を推定し、人工知能コンピュータによって、車両の運
動を制御する複数個のサブシステムを協調制御するよう
に構成したことを特徴とする車両制御装置。